$\require{mediawiki-texvc}$
  • 검색어에 아래의 연산자를 사용하시면 더 정확한 검색결과를 얻을 수 있습니다.
  • 검색연산자
검색연산자 기능 검색시 예
() 우선순위가 가장 높은 연산자 예1) (나노 (기계 | machine))
공백 두 개의 검색어(식)을 모두 포함하고 있는 문서 검색 예1) (나노 기계)
예2) 나노 장영실
| 두 개의 검색어(식) 중 하나 이상 포함하고 있는 문서 검색 예1) (줄기세포 | 면역)
예2) 줄기세포 | 장영실
! NOT 이후에 있는 검색어가 포함된 문서는 제외 예1) (황금 !백금)
예2) !image
* 검색어의 *란에 0개 이상의 임의의 문자가 포함된 문서 검색 예) semi*
"" 따옴표 내의 구문과 완전히 일치하는 문서만 검색 예) "Transform and Quantization"
쳇봇 이모티콘
안녕하세요!
ScienceON 챗봇입니다.
궁금한 것은 저에게 물어봐주세요.

논문 상세정보

유전자 알고리즘을 이용한 DNA 서열 생성 시스템의 효율적인 구현에 대한 연구

Implementation of efficient DNA Sequence Generate System with Genetic Algorithm

초록

DNA 컴퓨터의 계산 수준을 분자 수준으로 끌어내려 막대한 병렬성을 확보하고, 보다 효율적인 정보 처리를 가능케 해 차세대 컴퓨팅 기법으로서의 위치를 확고히 하고 있다. 그러나 DNA 컴퓨팅은 실제 실험을 통해 계산 모델 및 알고리즘을 검증하기 때문에 많은 연산 시간을 필요로 한다. 따라서 빠른 계산 모델 및 알고리즘의 검증을 위해 시뮬레이터인 NACST가 개발되었다. 그러나 NACST에 포함된 서열생성 시스템의 반복적인 연산 특징 때문에 이 또한 많은 연산시간을 필요로 하게 되었다. 따라서 시뮬레이션 시간 단축을 위한 서열생성 시스템의 효율적인 하드웨어 구조가 요구된다. 이에 본 논문은 DNA 코드 최적화 부분의 연산시간이 NACST 연산시간의 약 95% 이상을 차지한다는 점을 착안하여 DNA 서열 생성 시스템에 병렬 기법과 Pipeline 기법을 적용하였고 적합도 함수 간 연산을 공유시켜 연산의 양을 대폭 줄이고 분배해 시뮬레이션 시간을 크게 줄일 수 있는 하드웨어 구조를 제안하고 검증하였다. 실험 결과 제안된 하드웨어는 기존 소프트웨어에 비해 약 467배 이상의 연산시간 감소를 보였으며 DNA 서열 생성 성능은 기존과 동일함을 보였다.

Abstract

This paper describes the efficient implementation of DNA sequence generate system with genetic algorithm for reducing computation time of NACST. The proposed processor is based on genetic algerian with fitness functions which would suit the point of reference for generated sequences. In order to implement efficient hardware structure, we used the pipelined structure. In addition our design was applied the parallelism to achieve even better simulation time than the sequence generator system which is designed on software. In this paper, our hardware is implemented on the FPGA board with xc2v6000 devices. Through experiment, the proposed hardware achieves 467 times speed-up over software on a PC and sequence generate performance of hardware is same with software.

참고문헌 (24)

  1. [사전] 생물학사전, 아카데미 서적, 1998 
  2. Maley, C. C.,'DNA Computation: Theory, Practice, and Prospects', Evolutionary Computation 6(3): pp.201- 229, 1998 
  3. 신수용, 'DNA 컴퓨팅 기법을 이용한 조합 최적화 문제의 해결', 서울대학교 학위논문집 1999, pp 12-27 
  4. T. A. Brown, GENOMES, John Wiley & Sons (Asia) Pte Ltd, 1999, pp.3 
  5. 김동민, '유전자 알고리즘을 이용한 DNA 서열 생성 시스템', 서울대학교 학위논문집 2001, pp.7-20 
  6. G. Paun, G. RoBenberg, and A. Salomaa, DNA ?Computing: New Computing Paradigns, Springer, 1998, pp. 3-40 
  7. Adleman, L. M., 'Molecular computation of solutions to combinatorial problems', Science, 266:1021-1024, 1994 
  8. Deaton, R., Murphy, R. C., Garzon, M., Franceschetti, D. R. Stevens, S. E. Jr.., 'A DNA based implementation of an evolutionary search for good encodings for DNA computation'. Proceedings of IEEE Conference on Evolutionary Computation, IEEE Press, pp. 267-271, 1997 
  9. J.Holland, Adaptation in Natural and Artificial Systems, The University of Michigan Press, 1975 
  10. 장병탁, '인공 생명과 진화 알고리즘', 전자공학회지, 제24권 제 3호, pp.51-60., 1997년 3월 
  11. D. E. Goldberg, Genetic Algorithm in search, Optimization, and Machine Learning, Addison-Wesley, 1989 
  12. G. Winter et al., Genetic Algorithms in Engineering and Computer Science, John wiley & Sons, 1996 
  13. R. Deaton, R. C. Murphy, M. Garzon, D. R. Franceschetti, and Jr. S. E. Stevens, 'Good encodings for DNA-based solutions to combinatorial problems,' in Proceedings of the Second Annual Meeting on DNA Based Computers, 1996 
  14. Peter D. hortensius et al., 'Parallel Random Number Generation for VLSI System Using Celluar Automata' IEEE Trans. on Computers. Vol.38. No. 10 pp. 1466-1473 October 1989 
  15. R. Deaton, M. Garzon, R. C. Murphy, D. R. Franceschetti, and Jr. S. E. Stevens, 'Genetic search of reliable encodings for DNA based computation', in First Conference Genetic Programming, MIT Press. 1996 
  16. N. Yoshida, T. Moriki and T.Yasuoka, 'GAP: Genetic VLSI processor for genetic algorithm', Second International ICSC Symp, on Soft Computing, pp.341-345., 1997 
  17. Dan Mihaila, Florin Fagarasan, Mircea Gh. Negoita, 'Architectural Implications Of Genetic Algorithms Complexity In Evolvable Hardware Implementation' EUFIT' 96, Vol.1, pp.400-404 September 1996 
  18. T. Fogarty and R. Huang, ' Implementing the Genetic Algorithm on Transputer Based Parallel Processing Systems', Parallel Problem Solving from Nature, pp.l45-149. Springer-Verlag, 1991 
  19. M. Tommiska, J. Vuori, 'Implementation of genetic 미해갸소 -ㄴ with prograrrrrnable logic devices', Proceeding of the 2NWGA, August 1996 
  20. N. Uoshida, T. Yasuaka and T. Moriki, 'Parallel and Distributed Processing in VLSI Implementation of Genetic Algorithms', Third Int'l ICSC Symp, On Soft Computing, June 1999 
  21. M. Salami, 'Multiple genetic algorithm processor for hardware optimization', Proc. First International Conference, IECS96 Evolvable System: From Biology to Hardware, pp. 249-259., October 1996 
  22. Barry Shackleford, Etsuko Okushi et al., 'A High-performance Hardware Implementation of a Suvival-based Genetic Algorithm', ICONIP'97, 00. 686-695, Nov, 1997 
  23. N. Ionaska and N. C. Seeman, Eds., DNA Computing, 7th International Workshop on DNA-based Computers, Tampa, U.S.A., 10-13 June 2001. University of South Florida 
  24. Q. Ouyang, P.D. Kaplan, S. Liu, and A. Libchaber, 'DNA solution of the maximal clique problem,'Science, vol. 278, pp, 446-449, 1997 

이 논문을 인용한 문헌 (0)

  1. 이 논문을 인용한 문헌 없음

원문보기

원문 PDF 다운로드

  • ScienceON :

원문 URL 링크

원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다. (원문복사서비스 안내 바로 가기)

상세조회 0건 원문조회 0건

DOI 인용 스타일